你的进度
0/ 20 节已标记完成
下一节: 用均值作质心:k-means 的目标与迭代
完成记录保存在此浏览器中。
这门课在网上
CSCI2750 笔记里的内容
数字只算这门课 20 节公开笔记里写了什么,不是网上已记录的关系。目前其中 0 节已细致地记录到网上。
在网上定理卡 39 · 定义 30 · 反例 25 · 概念视角 11 · 思想史 1 · 证明透视 20
第 1 章 · 1 节
质心聚类
质心聚类
- 1.1
用均值作质心:k-means 的目标与迭代
推导质心更新,精确追踪分配与更新步骤,并分清稳定聚类与全局最佳结果。
第 2 章 · 2 节
模式挖掘
模式挖掘
- 2.1
支持次数、安全剪枝与 Apriori
推导 Apriori 所依据的支持度性质,追踪候选生成与剪枝,再分清关联规则的不同指标。
- 2.2
频繁项集、闭项集与极大频繁项集
比较保留支持计数的闭项集与极大频繁项集,并恢复支持计数。
第 3 章 · 4 节
分类
模型分类与决策树。
- 3.1
朴素贝叶斯与平滑
建立二元特征的类别分数、归一化,并检验独立性假设。
- 3.2
决策树:加权不纯度、阈值与泛化
证明多数叶预测最优及信息增益非负,计算正确加权划分,处理重复特征值,并分清贪心训练改善与预测表现。
- 3.3
伯努利朴素贝叶斯:对数几率、未出现的特征与平滑
推导概率决策与代价敏感决策,拟合二元特征模型,计算精确后验,并解释条件独立的局限。
- 3.4
k 近邻分类
以最接近的 k 个训练样本投票分类,并明确给出平局规则、特征缩放、避免泄漏的预处理,以及预测成本。
第 4 章 · 1 节
采样
理解离散样本与混叠。
- 4.1
采样、混叠与频率歧义
推导不同正弦信号为何产生完全相同的离散样本。
第 5 章 · 1 节
感知机更新
严格间隔、更新规则及有限更新界。
- 5.1
感知机:间隔与有限更新次数界
追踪明确指定的更新规则,并在严格可分假设下证明有限更新保证。
第 6 章 · 1 节
Logistic 模型
二元似然、凸损失与可分数据。
- 6.1
Logistic 损失、可分性与正则化
推导二元 logistic 损失,并研究可分数据为何可能没有有限最小解。
第 7 章 · 2 节
分类器评估
精确率、召回率及正类比例。
- 7.1
精确率、召回率与基率变化
解读混淆表,区分条件比率与精确率。
- 7.2
读懂 ROC 曲线中的并列分数
从含并列的分数建立 ROC 曲线,以梯形法与配对比较两种方式计算 AUC,并把 ROC 与精确率及决策成本联系起来。
第 8 章 · 1 节
灰度直方图
构造离散累积直方图及灰度映射。
- 8.1
图像直方图与累积灰度映射
计算离散累积直方图与全局灰度映射。
第 9 章 · 1 节
线性分类练习
推导由错误驱动的更新规则,通过投影和范数增长证明间隔界,并区分已验证的训练集可分性与有限迭代预算。
- 9.1
感知机:偏置、可分性与错误次数界
推导由错误驱动的更新规则,通过投影和范数增长证明间隔界,并区分已验证的训练集可分性与有限迭代预算。
第 10 章 · 1 节
凝聚层次聚类
连接方法、树状图与阈值连通性。
- 10.1
凝聚层次聚类:连接方法、树状图与阈值连通性
推导单连接、全连接和平均连接的更新公式,证明合并高度单调,并准确解释单连接树状图的截断。
第 11 章 · 1 节
支持向量机
间隔、hinge loss、对偶证明与核函数。
- 11.1
间隔、合页损失与核函数的意义
区分分数与几何间隔,推导硬间隔与软间隔目标并给出对偶证明,判断一个函数何时是有效的核函数。
第 12 章 · 1 节
源信号分离
线性混合、白化与独立成分分析。
- 12.1
盲源分离:混合信号能够及不能揭示什么
把传感器读数建模为线性混合,说明盲分离为何存在歧义,以协方差矩阵白化,并区分不相关与独立。
第 13 章 · 1 节
主成分分析
以样本协方差的特征向量定义主方向,并给出方差与重构的保证。
- 13.1
主成分分析:中心化协方差与方差最大化
把主成分定义为样本协方差矩阵的特征向量,证明方差最大化与重构性质,并以精确例子计算解释方差。
第 14 章 · 1 节
距离与数据预处理
度量、相似度量,以及不泄漏测试数据的特征缩放。
- 14.1
距离与相似度度量,以及特征缩放
定义度量,以及 Minkowski、余弦、Jaccard 与 Hamming 度量,证明哪些满足三角不等式,并在不泄漏测试数据的前提下应用最小最大缩放与 z 分数标准化。
第 15 章 · 1 节
基于密度的聚类
核心点、边界点与噪声点、密度可达,以及 DBSCAN 算法。
- 15.1
DBSCAN:核心点、边界点与噪声点
定义密度可达,陈述 DBSCAN 算法,证明核心点的簇有明确定义,并在精确的一维数据上运行并作参数研究。